研究表明，心血管疾病（CVD）对人类健康是恶性的研究。因此，重要的是具有有效的CVD预后方法。为此，医疗保健行业采用了基于机器学习的智能解决方案，以减轻CVD预后的手动过程。因此，这项工作提出了一种信息融合技术，该技术通过分析方差（ANOVA）和域专家的知识结合了人的关键属性。它还引入了新的CVD数据样本集，用于新兴研究。进行了三十八个实验，以验证四个公开可用基准数据集中提出的框架的性能以及在这项工作中新创建的数据集。消融研究表明，所提出的方法可以达到竞争平均平均准确性（MAA）为99.2％，平均AUC平均AUC为97.9％。
translated by 谷歌翻译
温度监测对于电动机确定是否应执行设备保护措施至关重要。但是，永久磁铁同步电动机（PMSM）的内部结构的复杂性使内部组件的直接温度测量变得困难。这项工作务实地开发了三种深度学习模型，以根据易于测量的外部数量估算PMSM的内部温度。拟议的监督学习模型利用了长期记忆（LSTM）模块，双向LSTM和注意机制形成编码器解码器结构，以同时预测定子绕组，牙齿，牙齿，Yoke和永久磁铁的温度。在基准数据集上以详尽的方式进行实验，以验证提出的模型的性能。比较分析表明，拟议的基于全球注意的编码器模型（ENDEC）模型提供了1.72平均平方误差（MSE）和5.34平均绝对误差（MAE）的竞争总体性能。
translated by 谷歌翻译